matplotlib之pyplot模块坐标轴范围设置(autoscale(),xlim(),ylim())

matplotlib默认根据数据系列自动缩放坐标轴范围。pyplot模块中的autoscale函数可以切换是否自动缩放坐标轴范围,xlim()ylim()函数可手动设置坐标轴范围。

autoscale函数

对于pyplot模块控制坐标轴范围是否自动缩放的函数为autoscale
函数签名为matplotlib.pyplot.autoscale(enable=True, axis='both', tight=None)
参数作用及取值如下:

  • enable为布尔值,即是否自动缩放。
  • axis取值范围为{'both', 'x', 'y'},默认值为'both',即作用在哪个坐标轴。
  • tight为布尔值,默认值为None,即是否设置边距为0。

底层相关函数有:

  • Axes.autoscale
  • Axes.autoscale_view
  • Axes.set_autoscale_on
  • Axes.get_autoscale_on
  • Axes.set_autoscalex_on
  • Axes.get_autoscalex_on
  • Axes.set_autoscaley_on
  • Axes.get_autoscaley_on

案例

自动缩放坐标轴范围功能对比。

import matplotlib.pyplot as plt

plt.subplot(121)
plt.plot([0.5,0.5])
print(plt.gca().get_autoscale_on())
print(plt.gca().get_autoscalex_on())
print(plt.gca().get_autoscaley_on())
plt.subplot(122)
plt.plot([0.5,0.5])
plt.autoscale(False)
print(plt.gca().get_autoscale_on())
print(plt.gca().get_autoscalex_on())
print(plt.gca().get_autoscaley_on())
plt.show()

输出:

True
True
True
False
False
False

xlim()函数

手动设置x坐标轴的范围或获取x坐标轴的范围。

函数签名为matplotlib.pyplot.xlim(*args, **kwargs)

调用签名有三种:

  • xlim((left, right))
  • xlim(left, right)
  • xlim(left=1, right=3)

其中leftx坐标轴左侧极值,rightx坐标轴右侧极值。注意!left可以比right大!

返回值为(left, right),即坐标轴范围元组。

xlim()相当于Axes.get_xlimxlim(*args, **kwargs)相当于Axes.set_xlim

案例

演示xlim()的调用方法。

import matplotlib.pyplot as plt

plt.figure(figsize=(14, 3))
plt.subplot(141)
plt.plot([1, 1])
print(plt.xlim())
plt.subplot(142)
plt.plot([1, 1])
plt.xlim(0, 1.5)
plt.annotate('plt.xlim(0,1.5)', (0.1, 1.001))
print(plt.xlim())
plt.subplot(143)
plt.plot([1, 1])
plt.xlim((0, 1.5))
plt.annotate('plt.xlim((0,1.5))', (0.1, 1.001))
print(plt.xlim())
plt.subplot(144)
plt.plot([1, 1])
plt.xlim(left=0, right=1.5)
plt.annotate('plt.xlim(left=0,right=1.5)', (0.1, 1.001))
print(plt.xlim())
plt.show()

输出:

(-0.05, 1.05)
(0.0, 1.5)
(0.0, 1.5)
(0.0, 1.5)

ylim()函数

手动设置y坐标轴的范围或获取y坐标轴的范围。使用方法与xim()函数相似。

函数签名为matplotlib.pyplot.ylim(*args, **kwargs)

调用签名有三种:

  • ylim((bottom, top))
  • ylim(bottom, top)
  • ylim(bottom=1, top=3)

其中bottomx坐标轴左侧极值,topx坐标轴右侧极值。注意!bottom可以比top大!

返回值为(bottom, top),即坐标轴范围元组。

ylim()相当于Axes.get_ylimylim(*args, **kwargs)相当于Axes.set_ylim

案例

演示ylim()的调用方法。

import matplotlib.pyplot as plt

plt.figure(figsize=(14, 3))
plt.subplot(141)
plt.plot([1, 1])
print(plt.ylim())
plt.subplot(142)
plt.plot([1, 1])
plt.ylim(0, 1.5)
plt.annotate('plt.ylim(0,1.5)', (0.1, 1.01))
print(plt.ylim(0,1.5))
plt.subplot(143)
plt.plot([1, 1])
plt.ylim((0, 1.5))
plt.annotate('plt.ylim((0,1.5))', (0.1, 1.01))
print(plt.ylim())
plt.subplot(144)
plt.plot([1, 1])
plt.ylim(bottom=0, top=1.5)
plt.annotate('plt.ylim(bottom=0,top=1.5)', (0.1, 1.01))
print(plt.ylim())
plt.show()

输出:

(0.945, 1.0550000000000002)
(0.0, 1.5)
(0.0, 1.5)
(0.0, 1.5)

到此这篇关于matplotlib之pyplot模块坐标轴范围设置(autoscale(),xlim(),ylim())的文章就介绍到这了,更多相关matplotlib 坐标轴范围内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • Python matplotlib学习笔记之坐标轴范围

    Python学习笔记--坐标轴范围 参靠视频:<Python数据可视化分析 matplotlib教程>链接:https://www.bilibili.com/video/av6989413/?p=6 所用的库及环境: IDE:Pycharm Python环境:python3.7 Matplotlib: Matplotlib 1.11 Numpy: Numpy1.15. 坐标轴范围 概念 根据需求调整坐标轴的范围 坐标轴范围调整 第一种形式 通过plt.axis()可以查看图形的x轴的最小最大坐

  • matplotlib之pyplot模块坐标轴范围设置(autoscale(),xlim(),ylim())

    matplotlib默认根据数据系列自动缩放坐标轴范围.pyplot模块中的autoscale函数可以切换是否自动缩放坐标轴范围,xlim()和ylim()函数可手动设置坐标轴范围. autoscale函数 对于pyplot模块控制坐标轴范围是否自动缩放的函数为autoscale. 函数签名为matplotlib.pyplot.autoscale(enable=True, axis='both', tight=None) 参数作用及取值如下: enable为布尔值,即是否自动缩放. axis取值

  • matplotlib之pyplot模块坐标轴标签设置使用(xlabel()、ylabel())

    在pyplot模块中可以使用xlabel()和ylabel()函数设置x轴y轴的标签.这两个函数的使用方法非常相似. 使用xlabel()设置x轴标签 函数签名为matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs) 参数作用及取值如下: xlabel:类型为字符串,即标签的文本. labelpad:类型为浮点数,默认值为None,即标签与坐标轴的距离. loc:取值范围为{'le

  • matplotlib之Pyplot模块绘制三维散点图使用颜色表示数值大小

    目录 一.摘要 二.代码 三.部分代码解释 1. colormap(颜色)映射设置. 2. 设置三维散点格式 3. 设置侧边colorbar 四.参考 总结 一.摘要 在进行数据可视化时,对于一元函数f(x)=y数据我们可以使用二维平面图显示,x轴表示自变量,y轴表示函数值:对于二元函数f(x,y)=z数据我们也可以使用三维图可视化,x和y轴表示自变量,z轴表示函数值.由于显示设备的局限性,对于三元函数f(x,y,z)=v数据无法通过增加坐标轴的方式可视化,一个可行的方法是使用x.y和z轴表示自

  • 使用matplotlib的pyplot模块绘图的实现示例

    1. 绘制简单图形 使用 matplotlib 的pyplot模块绘制图形.看一个 绘制sin函数曲线的例子. import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.arange(0, 6, 0.1) # 以0.1为单位,生成0到 6 的数据* y = np.sin(x) # 绘制图形 plt.plot(x,y) plt.show() 这里使用NumPy的arange()方法生成了[0, 0.1, 0.2, - , 5.

  • matplotlib之pyplot模块之标题(title()和suptitle())

    matplotlib 源码解析标题实现(窗口标题,标题,子图标题不同之间的差异)添加链接描述简单比较了matplotlib中的标题. 使用title()设置子图标题 title()可同时在子图中显示中间.左侧.右侧3个标题. 函数签名为matplotlib.pyplot.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs) 参数作用及取值如下: label:类型为字符串,即标题文本. fontdict:类型为字典

  • 基于Matplotlib 调用 pyplot 模块中 figure() 函数处理 figure图形对象

    在 Matplotlib 中,面向对象编程的核心思想是创建图形对象(figure object).通过图形对象来调用其它的方法和属性,这样有助于我们更好地处理多个画布.在这个过程中,pyplot 负责生成图形对象,并通过该对象来添加一个或多个 axes 对象(即绘图区域). Matplotlib 提供了matplotlib.figure图形类模块,它包含了创建图形对象的方法.通过调用 pyplot 模块中 figure() 函数来实例化 figure 对象. 如下所示: from matplot

  • matplotlib之pyplot模块添加文本、注解(text和annotate)

    目录 概述 text函数概述 annotate函数概述 text函数和annotate函数的对比 总结 概述 text函数作用是根据x,y坐标向图像添加文本. annotate函数作用是根据x,y坐标向图像添加文本注解. 两者非常相似,但是又有一定差别. text函数概述 text函数的签名为:matplotlib.pyplot.text(x, y, s, fontdict=None, **kwargs) 参数说明如下: x,y:放置文本的坐标.浮点数.必备参数. s:文本.字符串.必备参数.

  • matplotlib之pyplot模块实现添加子图subplot的使用

    概述 subplot()函数向当前图像(figure)添加一个子图(Axes),并将该子图设为当前子图.或者将某子图设为当前子图. pyplot.subplot()其实是Figure.add_subplot()的一个封装. 函数的定义签名为:matplotlib.pyplot.subplot(*args, **kwargs) 函数的调用签名为: subplot(nrows, ncols, index, **kwargs) subplot(pos, **kwargs) subplot(**kwar

  • Python利用matplotlib.pyplot绘图时如何设置坐标轴刻度

    前言 matplotlib.pyplot是一些命令行风格函数的集合,使matplotlib以类似于MATLAB的方式工作.每个pyplot函数对一幅图片(figure)做一些改动:比如创建新图片,在图片创建一个新的作图区域(plotting area),在一个作图区域内画直线,给图添加标签(label)等.matplotlib.pyplot是有状态的,亦即它会保存当前图片和作图区域的状态,新的作图函数会作用在当前图片的状态基础之上. 在开始本文之前,不熟悉的朋友可以先看看这篇文章:Python

  • Python Matplotlib数据可视化模块使用详解

    目录 前言 1 matplotlib 开发环境搭建 2 绘制基础 2.1 绘制直线 2.2 绘制折线 2.3 设置标签文字和线条粗细 2.4 绘制一元二次方程的曲线 y=x^2 2.5 绘制正弦曲线和余弦曲线 3 绘制散点图 4 绘制柱状图 5 绘制饼状图 6 绘制直方图 7 绘制等高线图 8 绘制三维图 总结 本文主要介绍python 数据可视化模块 Matplotlib,并试图对其进行一个详尽的介绍. 通过阅读本文,你可以: 了解什么是 Matplotlib 掌握如何用 Matplotlib

随机推荐